GESTO提出一种以人为中心的时空记忆框架，融合4D场景图与两级活动层级（原子交互与目标驱动事件），实现对动态场景中人类行为的结构化建模。通过视觉-语言模型提取带时间戳的人-物交互，结合几何与语义一致性锚定至持久物体，并利用事件上下文修正不确定关联。该系统支持跨时空的活动推理，在多项基准任务上表现优异，显著提升机器人对复杂人机交互场景的理解能力。

本文提出Physical Agentic AI架构，解决大模型与物理机器人协同中的核心矛盾：将语言推理与确定性执行分离。通过“技能落地规划”“契约中介协调”等四原则，构建由非执行型任务规划器、工作流契约与确定性编排器组成的系统。关键创新在于执行前五重验证及派发时状态绑定，确保计划可物理执行。实验在仿真与真实异构机器人（无人机+人形/四足）上验证了其安全性、可扩展性与对不可逆动作的鲁棒性，为自主机器

本文提出面向逻辑思维的程序设计方法（LOPD）中的基因层，作为机器人系统的“物种模板”底层。该层定义形态、内核、通信协议与安全边界，通过“物种模板＋实例变异”双机制实现结构可继承、可进化。基因层划定系统先天禀赋与能力边界，支撑上层肢体、感觉与神经层，推动机器人架构从一次性工程转向可演化系统。

本文提出面向逻辑思维的程序设计方法（LOPD）下的类脑大模型三级联合控制架构：大脑层基于世界模型生成运动意图，小脑层以部位前向模型实现快速顺滑的动作预测与协调，肢体层精准执行。重点突破手部灵巧操作与面部表情自然表达两大难题，通过力位混合控制、触觉反馈闭环及面部动作单元（AU）映射，实现“想得出、控得顺、做得准、表得情”的可工程化运动控制体系，为类脑智能体具身交互提供分层协同范式。

本文提出面向逻辑思维的程序设计方法（LOPD）下的类脑大模型三级联合控制架构：大脑层基于世界模型生成运动意图，小脑层以部位前向模型实现快速顺滑的动作预测与协调，肢体层精准执行。重点突破手部灵巧操作与面部表情自然表达两大难题，通过力位混合控制、触觉反馈闭环及面部动作单元（AU）映射，实现“想得出、控得顺、做得准、表得情”的可工程化运动控制体系，为类脑智能体具身交互提供分层协同范式。

SEED-UMI提出一种人机共享外骨骼的灵巧操作示范框架，通过硬件层面实现人类与机器人灵巧手共用同一外骨骼系统，使关节编码器读数与腕部相机观测在两侧完全一致。该设计将重定向问题转化为跨本体监督学习，利用配对回放数据精调“编码器→指令”映射，显著提升接触场景下的动作迁移精度。结合电机乱动自举与接触反馈优化，策略可直接在原始外骨骼视角下训练，无需图像修复或分割，有效解决灵巧操作中数据采集与重定向的瓶颈

本文提出面向逻辑思维的程序设计方法下，类脑大模型大脑感知层五子网联合处理架构：感知理解子网构建身体图式与躯体语义；认知推理子网实现触觉问答与行动规划；世界模型子网推演身体-环境交互后果；情感子网加工情感触觉与情绪记忆；反思创新子网校正防御误报与图式漂移。五子网通过全局工作空间协作，形成“感身-知身-预身-共情-省身”认知链路，实现躯体信息从“接触事实”到“意义理解”的跃迁，为机器人在物理世界中“知

本文提出面向逻辑思维的程序设计方法下，类脑大模型大脑感知层五子网联合处理架构：感知理解子网构建身体图式与躯体语义；认知推理子网实现触觉问答与行动规划；世界模型子网推演身体-环境交互后果；情感子网加工情感触觉与情绪记忆；反思创新子网校正防御误报与图式漂移。五子网通过全局工作空间协作，形成“感身-知身-预身-共情-省身”认知链路，实现躯体信息从“接触事实”到“意义理解”的跃迁，为机器人在物理世界中“知

本文提出人形机器人最佳训练场景应为“元宇宙+真实世界众包”的双层架构：以符合物理规律的元宇宙为主场景，通过脑机接口同步真人多模态数据；以智能眼镜、电子皮肤衣与百万级真人统计构成次级场景，补充长尾与常识数据。两类数据汇入世界模型（物理AI），实现策略训练、验证与失败回流，最终在真实世界检验。核心主张是：唯有数字世界的物理一致性与真实世界的统计真实性相互校验，机器人才能获得可信、可迁移的能力。

本文提出人形机器人最佳训练场景应为“元宇宙+真实世界众包”的双层架构：以符合物理规律的元宇宙为主场景，通过脑机接口同步真人多模态数据；以智能眼镜、电子皮肤衣与百万级真人统计构成次级场景，补充长尾与常识数据。两类数据汇入世界模型（物理AI），实现策略训练、验证与失败回流，最终在真实世界检验。核心主张是：唯有数字世界的物理一致性与真实世界的统计真实性相互校验，机器人才能获得可信、可迁移的能力。